企业网站建设找外包公司做,大数据精准营销服务,怎么降低网站的跳出率,网站开发手机号能在页面上显示吗文章目录一、MapReduce1.1、MapReduce思想1.2、MapReduce实例进程1.3、MapReduce阶段组成1.4、MapReduce数据类型1.5、MapReduce关键类1.6、MapReduce执行流程1.6.1、Map阶段执行流程1.6.2、Map的shuffle阶段执行流程1.6.3、Reduce阶段执行流程1.7、MapReduce实例WordCount二、…
文章目录一、MapReduce1.1、MapReduce思想1.2、MapReduce实例进程1.3、MapReduce阶段组成1.4、MapReduce数据类型1.5、MapReduce关键类1.6、MapReduce执行流程1.6.1、Map阶段执行流程1.6.2、Map的shuffle阶段执行流程1.6.3、Reduce阶段执行流程1.7、MapReduce实例WordCount二、YARN2.1、YARN简介2.2、功能说明2.3、YARN架构、组件2.4、YARN执行流程2.5、YARN资源调度器Schedule一、MapReduce
1.1、MapReduce思想 MapReduce的思想核心是“先分再合分而治之”。所谓“分而治之”就是把一个复杂的问题按照一定的分解方法分为等价的规模较小的若干部分然后逐个解决分别找出各部分的结果然后把各部分的结果组成整个问题的最终结果。Map表示第一阶段负责拆分即把复杂的任务分解为若干个“简单的子任务”来进行并行处理。可以进行拆分的前提是这些小人物可以并行计算彼此之间几乎没有依赖关系。Reduce表示第二阶段负责合并即对map阶段的结果进行全局汇总。 1.2、MapReduce实例进程 一个完整的MapReduce程序在分布式运行时有三类 MRAppMaster: 负责整个MR程序的过程调度及状态协调。MapTask: 负责map阶段的整个数据处理流程。Reduce负责reduce阶段的整个数据处理流程。 1.3、MapReduce阶段组成 一个MapReduce编程模型中只能包含一个Map阶段和一个Reduce阶段或者只有Map阶段。如果业务逻辑复杂只能使用多个MapReduce查询串行运行。 1.4、MapReduce数据类型 整个MapReduce程序中数据都是以KV键值对的形式流传的。 1.5、MapReduce关键类
GenericOptionsParser是为Hadoop框架解析命令行参数的工具类。InputFormat接口实现类包括Fileinputformat 等主要作用于文件为输入及切割。Mapper将输入的kv对映射成中间数据kv对集合。Maps将输入记录转变为中间记录。Reducer根据key将中间数据集合处理合并为更小的数据结果集。Partitioner对数据安装key进行分区。OutputCllector文件的输出。Combiner本地聚合本地化的reduce。
1.6、MapReduce执行流程 1.6.1、Map阶段执行流程
在MapReduce程序读取文件的输入目录上存放相应文件。按照一定的标准逐个进行逻辑切片形成切片规划 默认Split size Block size128M每一个切片由一个MapTask处理。 切片会有1.1的冗余每次切片时都要判断切完剩下的部分是否大于块的1.1倍不大于1.1配就会划分为一块切片提交信息给yarn 包含切片jar包以及job运行相关参数。yarn启动MRAPPmaster根据切片个数计算出需要的MapTask数量。使用客户端指定的InputFormat来读取数据返回对应的k,v键值对 InputFormat默认使用子类TextInputFormat的createRecordReader规则为LineRecordReader来逐行读取数据。 返回的k,v键值对k为偏移量v为偏移量的内容。将k,v键值对传给客户端定义的map方法做逻辑运算。
1.6.2、Map的shuffle阶段执行流程
map运算完后将结果kv写入环形缓冲区 环形缓冲区默认100M内存进行分区、排序溢出到文件分区且区内有序 到达80%进行溢写到磁盘在缓冲区中数据进行反向写。Merge归并排序。 把所有溢出的临时文件进行一次合并操作以确保一个MapTask最终只产生一个中间数据文件。Combiner合并。 在程序中可以选用在reduce前进行预先处理数据。
1.6.3、Reduce阶段执行流程
在MapTask任务完成后启动相应数量的ReduceTask并告知ReduceTask处理数据分区。ReduceTask进程启动后从MapTask拉取数据进行归并排序按照相同key的KV为一组调用客户端定义的reduce()方法进行逻辑运算。运算完毕后使用OutPutFormat将结果输出到文件。 默认为TextOutputFormat的RecordWriter方法
1.7、MapReduce实例WordCount
WordCountDriver
package org.example.workcount;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import java.io.IOException;/*** program: hadoopstu* interfaceName WordCountDriver* description:* author: 太白* create: 2023-02-06 12:16**/
public class WordCountDriver {public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {Configuration configuration new Configuration();Job job Job.getInstance(configuration);job.setJarByClass(WordCountDriver.class);job.setMapperClass(WordCountMapper.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(IntWritable.class);job.setReducerClass(WordCountReduce.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(LongWritable.class);
// 指定map输入的文件路径FileInputFormat.setInputPaths(job, new Path(E:\\lovejava\\student\\hadoopstu\\in\\workcount.txt));
// 指定reduce输出的文件路径Path path new Path(E:\\lovejava\\student\\hadoopstu\\in\\out1);FileSystem fileSystem FileSystem.get(path.toUri(), configuration);if (fileSystem.exists(path)) {fileSystem.delete(path, true);}FileOutputFormat.setOutputPath(job,path);job.waitForCompletion(true);}
}
WordCountMapper
package org.example.workcount;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;/*** program: hadoopstu* interfaceName WordCountMapper* description:* author: 太白* create: 2023-02-06 12:16**/
public class WordCountMapper extends MapperLongWritable, Text, Text, IntWritable {Text text new Text();IntWritable intWritable new IntWritable();Overrideprotected void map(LongWritable key, Text value, MapperLongWritable, Text, Text, IntWritable.Context context) throws IOException, InterruptedException {System.out.println(WordCountMapper stage key:keyvalue:value);String[] words value.toString().split( );for (String word : words) {text.set(word);intWritable.set(1);context.write(text,intWritable);}}
}
WordCountReduce
package org.example.workcount;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;/*** program: hadoopstu* interfaceName WordCountReduce* description:* author: 太白* create: 2023-02-06 12:16**/
public class WordCountReduce extends ReducerText, IntWritable, Text, LongWritable {Overrideprotected void reduce(Text key, IterableIntWritable values, ReducerText, IntWritable, Text, LongWritable.Context context) throws IOException, InterruptedException {System.out.println(reduce stage key:keyvalues:values.toString());int count 0;for (IntWritable value : values) {count value.get();}// LongWritable longWritable new LongWritable();
// longWritable.set(count);LongWritable longWritable new LongWritable(count);System.out.println(key:keyresultValue:longWritable.get());context.write(key,longWritable);}
}
二、YARN
2.1、YARN简介 Apache Hadoop YARN (Yet Another Resource Negotiator另一种资源协调者是一种新的Hadoop资源管理器。是一个通用资源管理系统可为上层应用提供统一的资源管理和调度。它的引入为集群在利用率、资源同一管理和数据共享等方面带来巨大好处。 可以把Hadoop YARN理解为一个分布式的操作系统平台而MapReduce等计算程序则相等于云星宇操作系统之上的应用程序YARN为这些程序提供运算所需的资源。 2.2、功能说明
资源管理系统集群的硬件资源和程序运行相关。比如内存、CPU等。调度平台多个程序同时申请计算资源如何分配、调度的规则算法。通用不仅仅支持MapReduce程序理论上支持各种计算程序。YARN不关心你干什么只关心你要资源在有的情况下给你用完之后还我。
2.3、YARN架构、组件 ResourceManagerRM YARN中的主角色决定系统中所有应用程序之间资源分配的最终权限即最终仲裁者。 接收用户的作业提交并通过NM分配、管理各个机器上的计算资源。NodeManagerNM YARN中的从角色一台机器上一个负责管理本机器上的计算资源。 根据RM命令启动Container容器资源的抽象、件事容器的资源使用情况。并且向RM主角色会报资源使用情况。ApplicationMasterAM 用户提交的每个应用程序均包含一个AM。 负责程序内部各阶段的资源申请监督程序的执行情况。 2.4、YARN执行流程 用户通过客户端向YARN中ResourceManager提交应用程序。ResourceManager为该应用程序分配第一个Container容器并与对应的NodeManager通信要求 它在这个Container中启动这个应用程序的ApplicationMaster。ApplicationMaster启动成功之后首先向ResourceManager注册并保持通信这样用户可以直接通过ResourceManage查看应用程序的运行状态处理了百分之几。AM为本次程序内部的各个Task任务向RM申请资源并监控它的运行状态。一旦 ApplicationMaster 申请到资源后便与对应的 NodeManager 通信要求它启动任务。NodeManager 为任务设置好运行环境后将任务启动命令写到一个脚本中并通过运行该脚本启动任务。各个任务通过某个 RPC 协议向 ApplicationMaster 汇报自己的状态和进度以让 ApplicationMaster 随时掌握各个任务的运行状态从而可以在任务失败时重新启动任务。在应用程序运行过程中用户可随时通过RPC向ApplicationMaster 查询应用程序的当前运行状态。应用程序运行完成后ApplicationMaster 向 ResourceManager 注销并关闭自己。
2.5、YARN资源调度器Schedule 在理想情况下应用程序提出的请求将立即得到YARN批准。但是实际中资源是有限的并且在繁忙的群集上应用程序通常将需要等待其某些请求得到满足。YARN调度程序的工作是根据一些定义的策略为应用程序分配资源。 在YARN中负责给应用分配资源的就是Scheduler它是ResourceManager的核心组件之一。Scheduler完全专用于调度作业它无法跟踪应用程序的状态。 一般而言调度是一个难题并且没有一个“最佳”策略为此YARN提供了多种调度器和可配置的策略供选择。 三种调度器 FIFO Scheduler先进先出调度器、Capacity Scheduler容量调度器、Fair Scheduler公平调度器。 Apache版本YARN默认使用Capacity Scheduler。 如果需要使用其他的调度器可以在yarn-site.xml中的yarn.resourcemanager.scheduler.class进行配置。 关于资源调度器详情请查看
